Rsyslog日志轮转权限问题解决方案
问题背景
在使用Rsyslog进行日志管理时,用户尝试通过rotation.sizeLimitCommand参数实现日志文件的自动轮转功能。具体配置中,当checkpoint.log文件大小达到50MB时,系统应执行mv命令将其重命名为备份文件。然而在实际操作中,Rsyslog报告了"Permission denied"错误,表明执行权限不足。
错误分析
系统审计日志显示,问题根源在于AppArmor安全模块阻止了Rsyslog执行mv命令的操作。AppArmor是Linux系统中的一个强制访问控制框架,它通过配置文件限制特定应用程序可以访问的资源。在默认配置下,Rsyslog的AppArmor策略(/etc/apparmor.d/usr.sbin.rsyslogd)并未允许执行外部命令。
解决方案
1. 创建专用脚本
首先创建一个专用的日志轮转脚本/usr/local/bin/logrotation.sh,内容如下:
#!/usr/bin/bash
mv -f /var/log/checkpoint.log /var/log/checkpoint.log.backup
2. 设置脚本权限
确保脚本具有正确的所有权和执行权限:
chown syslog:adm /usr/local/bin/logrotation.sh
chmod 755 /usr/local/bin/logrotation.sh
3. 修改AppArmor配置
编辑Rsyslog的AppArmor配置文件/etc/apparmor.d/usr.sbin.rsyslogd,添加以下内容:
/usr/bin/mv mixr,
/usr/local/bin/logrotation.sh mixr,
mixr权限表示允许内存映射(m)、执行(i)、读取(r)和写入(x)操作。
4. 更新Rsyslog配置
最后修改Rsyslog配置文件,使用新创建的脚本作为轮转命令:
action(type="omfile"
file="/var/log/checkpoint.log"
rotation.sizeLimit="52428800"
rotation.sizeLimitCommand="/usr/local/bin/logrotation.sh")
技术要点
-
最小权限原则:通过创建专用脚本而非直接允许所有
mv操作,遵循了安全最佳实践。 -
AppArmor策略:了解Linux安全模块的工作机制对于解决此类权限问题至关重要。
-
日志轮转替代方案:除了自定义脚本,也可以考虑使用Rsyslog内置的轮转机制或结合logrotate工具实现更复杂的轮转策略。
-
所有权设置:确保脚本和日志文件的所有权与Rsyslog运行用户(syslog)匹配,避免权限冲突。
总结
在Linux系统中实现日志轮转功能时,除了基本的文件权限设置外,还需要考虑安全模块(AppArmor/SELinux)的限制。通过创建专用脚本并适当配置安全策略,可以在保证系统安全的前提下实现灵活的日志管理功能。这种方法不仅解决了当前问题,也为未来可能的扩展需求提供了良好的基础架构。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00